-
公开(公告)号:CN113033806A
公开(公告)日:2021-06-25
申请号:CN202110387715.7
申请日:2021-04-12
申请人: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC分类号: G06N3/08
摘要: 本申请公开了一种训练深度强化学习模型的方法、装置以及调度方法,所述方法包括采用深度强化学习框架建立若干第一调度模型和第二调度模型;通过若干第一调度模型确定训练样本集;基于训练样本集训练第二调度模型以得到模型参数;基于模型参数更新各第一调度模型中的第一深度强化学习智能体的模型参数,并继续执行通过若干第一调度模型确定训练样本集的步骤,直至第二调度模型满足预设条件以得到深度强化学习模型。本申请通过解耦深度强化学习训练的前向行动和后向学习过程,通过多个独立且同时与环境交互的第一调度模型生成训练样本集,再基于训练样本对第二调度模型进行训练,这样实现了大规模并行训练,提高了深度强化学习模型的训练速度。
-
公开(公告)号:CN112737885A
公开(公告)日:2021-04-30
申请号:CN202011588909.5
申请日:2020-12-28
申请人: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
摘要: 本发明公开了一种自治域内自管理的BGP异常检测方法,方法包括:获取BGP网络在预设时间段内的更新报文,根据所述更新报文获取目标自治域的目标特征;将所述目标自治域的目标特征输入至已训练的异常检测模型中,获取所述异常检测模型输出的所述目标自治域在所述预设时间段内的异常信息,所述异常信息包括所述目标自治域产生的异常种类;其中,所述异常检测模型是由多组训练数据训练完成的,每组训练数据包括样本自治域的目标特征以及所述样本自治域的异常信息。本发明能够实现在目标自治域内进行异常检测,不需要依赖第三方异常检测系统。
-
公开(公告)号:CN112636998A
公开(公告)日:2021-04-09
申请号:CN202011330617.1
申请日:2020-11-24
申请人: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
摘要: 本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质,通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率,确定监测节点;获取所述监测节点的监测数据,对所述监测数据进行特征工程,得到被监测的节点和链路的流量特征变化信息;根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见,本发明中在进行域内故障检测时完全不需要使用探测包进行检测,即无需受到探测包频率的影响,并且本发明不会对影响网络性能,也不会造成网络反馈延时,因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。
-
公开(公告)号:CN112506648A
公开(公告)日:2021-03-16
申请号:CN202011310178.8
申请日:2020-11-20
申请人: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC分类号: G06F9/50 , G06F9/455 , H04L12/803
摘要: 本发明公开了一种虚拟网络功能实例的流量无状态迁移方法及电子设备,包括:每隔预设时间获取服务端的已分配实例对应的CPU资源使用信息和已分配实例的负载;当CPU资源使用信息和负载满足预设条件时,在交换机中安装目标规则和临时规则,并删除已分配实例对应的原始规则;通过目标规则将已分配实例对应的第一流量转发至目标实例进行处理,以及通过临时规则将已分配实例对应的第二流量转发至已分配实例进行处理。本发明将已分配实例的流量无状态迁移至目标实例,避免流量转移过程中发生中断,节省了实例状态同步的时间开销,改善了因流量中断导致的流量延迟,能够满足时延敏感流量的需求。
-
公开(公告)号:CN110708260A
公开(公告)日:2020-01-17
申请号:CN201911107825.2
申请日:2019-11-13
申请人: 鹏城实验室 , 清华大学深圳国际研究生院
IPC分类号: H04L12/865 , H04L29/08 , G06K9/62 , G06N3/04
摘要: 本申请提供了一种数据包传输方法,应用于网络设备,所述网络设备具有预先设置的第一缓存区域,所述第一缓存区域用于缓存数据包;该方法包括:接收到数据包后,确定所述数据包标属性方面的属性值,其中所述目标属性为与时延相关的属性;依据所述数据包的属性值,确定所述数据包在所述第一缓存区域中的发送优先级;依据所述数据包的发送优先级,将所述数据包存储至所述第一缓存区域内;其中,第一缓存区域内的数据包是按照发送优先级被依次发送出去的。另外,本申请还提供了应用在终端设备的数据包传输方法、网络设备、终端设备、存储介质以及计算机程序产品。
-
公开(公告)号:CN118796966A
公开(公告)日:2024-10-18
申请号:CN202411096264.1
申请日:2024-08-12
申请人: 清华大学深圳国际研究生院 , 北京三快在线科技有限公司
IPC分类号: G06F16/29 , G06F18/241 , G06N3/04 , G06N3/08
摘要: 本发明提出一种用于神经网络训练的大规模POI数据处理和加载方法,包括以下步骤:S1:定义基本参数;S2:辅助文件构建;S3:数据加载,即为系统实际使用时的工作过程,对步骤S1中的辅助文件进行逐步解析以得到结果。采用本方法,POI相关数据的处理高效且磁盘和内存占用低;随机读取高效,复杂度为O(1),内存占用低;分割为训练、验证和测试集的过程高效、计算资源消耗低。
-
公开(公告)号:CN118762513A
公开(公告)日:2024-10-11
申请号:CN202410845620.9
申请日:2024-06-27
申请人: 清华大学深圳国际研究生院 , 深圳悟空投资管理有限公司
IPC分类号: G08G1/01 , G06Q10/04 , G06N3/0464 , G06N3/0442
摘要: 本发明提出一种基于双域归一化的交通流时间序列预测方法,通过同时在时间域和频率域内的归一化,动态捕捉交通流数据的分布变化,消除时间序列数据中的非平稳因素,然后利用分布预测模型进行预测,再进行去归一化过程,重构其非平稳信息,确保了预测结果能准确反映原始数据的非平稳性特征,从而保证了预测结果的可靠性与鲁棒性,显著提升了交通流时间序列预测的准确性和稳定性。具体而言,频率域归一化将时间序列分解为高频和低频成分,以捕捉快速变化和突变信息;时间域归一化则计算局部统计量,如均值和标准差,从而动态反映时间序列的快速变化。本发明方法显著提高了交通流预测性能,在交通流预测应用中展现出优越性。
-
公开(公告)号:CN118585714A
公开(公告)日:2024-09-03
申请号:CN202410727323.4
申请日:2024-06-06
申请人: 清华大学深圳国际研究生院 , 深圳悟空投资管理有限公司
IPC分类号: G06F16/9537 , G06F18/213 , G06N3/09
摘要: 一种基于混合专家模型与检索增强的时序数据预测方法及应用,包括如下步骤:S1.使用自监督预训练网络对输入的时间序列数据进行处理,提取具有丰富语义信息的高级特征;S2.使用提取的高级特征通过检索模块从特征池检索出与待预测任务具有高相关性的特征,其中所述特征池是预先构建的具有代表性的数据集合;S3.使用提取的所述高级特征和检索结果,通过专家选择模块选出最优的专家网络;S4.使用提取的所述高级特征和检索结果,通过最优的专家网络得到预测结果。本发明提出的方法提高了时序数据预测的准确性,在其应用中为相关应用的设备运行、资源管理和调度决策提供了更好的支持。
-
公开(公告)号:CN114840747B
公开(公告)日:2024-08-23
申请号:CN202210404048.3
申请日:2022-04-18
申请人: 清华大学深圳国际研究生院
IPC分类号: G06F16/9535 , G06F16/906 , G06N20/00 , G06F18/22
摘要: 本发明公开了基于对比学习的新闻推荐方法,包括基于对比学习的用户兴趣抽取步骤;所述用户兴趣抽取步骤包括:提供一用户兴趣编码器,该用户兴趣编码器被配置为对用户浏览的新闻序列进行编码得到兴趣向量;对所述用户浏览的新闻序列进行编码得到第一兴趣向量;对所述用户浏览的新闻序列进行数据增强,再对数据增强后的新闻序列进行编码得到第二兴趣向量;训练所述用户兴趣编码器,训练过程中,引入使所述第一兴趣向量和所述第二兴趣向量相接近,并使所述第一兴趣向量与其它用户的兴趣向量相远离的兴趣对比学习损失。
-
公开(公告)号:CN114912145B
公开(公告)日:2024-08-16
申请号:CN202210530051.X
申请日:2022-05-16
申请人: 清华大学深圳国际研究生院
摘要: 本发明公开了一种智能合约机密执行方法及系统,包括如下步骤:S1、根据用户的输入标注涉及敏感数据的智能合约函数;S2、自动检测用户调用的智能合约函数是否含有参数,接着检测用户是否有对该函数进行标注,以此判断该函数是否需要保护;S3、利用事先构建的本地节点和安全容器环境节点分别对智能合约函数进行执行:本地节点直接在本地执行不需要保护的智能合约函数,安全容器环境节点在远程的可信执行环境中执行需要保护的智能合约函数。本发明仅将需要保护的函数运行于可信执行环境之中,以此减小TCB尺寸,降低代码风险。并且本地模型与安全容器节点以HTTP的形式交互,避免了本地模型必须支持IntelSGX的硬性要求。
-
-
-
-
-
-
-
-
-